CAMA-LAB 机器学习暑期研讨班（2017）

研讨班技术报告总安排

• 内容
  • 8月23日（周三）：罗宇矗，强化学习入门 [intro]
  • 8月28日（周一）：罗宇矗，深度强化学习简介 [intro]
  • 8月29日（周二）：[高飞](http:// .hdu.edu.cn/people/fei_gao/index.html)，图像质量评价及应用 [slides]
  • 8月30日（周三）：谭敏，基于点击数据的图像识别
  • 8月31日（周四）：余宙，现代 CNN 网络结构演化 [slides]
  • 9月05日（周二）：余宙，视觉内容自动问答 VQA（待上传）
  • 9月06日（周三）：匡振中，三维形状表达及其应用 [slides]
  • 9月07日（周四）：朱素果，视觉跟踪方法研究 [slides]
• 地点：东区会议室
• 时间：9:00-11:30
• 安排：(45min 讲解 + 讨论 + 5min 休息) * 3
• 部分报告内容因涉及一些未发表和计划中的工作没有公开，感兴趣的同学可以与相关老师邮件联系（邮箱地址在老师个人主页），参与实验室相关科研项目。（加入 CAMA-LAB）

整体内容安排

机器学习

第一周：热身 （7 月 17 日 - 7 月 22 日）

• Python 编程基础
• 图像表示：
  • 矩阵、颜色空间
  • 图像特征：像素值、颜色直方图、梯度直方图、LBP
  • 作业：图像读写、特征提取
• 回归：
  • 算法：线性回归，线性回归+正则项（L1, L2）
  • 优化：梯度下降法
  • 测度：欧式距离、街区距离、范数、Loss
  • 作业：波士顿房价预测

第二周：分类 （7 月 24 日 - 7 月 29 日）

• 算法：k-NN, Logistic Regression, 决策树
• 作业：
  • MNIST 手写数字识别、CIFAR-10 图像分类
  • 采用第一周的特征 + 第二周的方法（多种组合，对比结果）
  • 井字棋胜负判断 （需动手实现 ID3 决策树算法）

第三周：经典算法 (8 月 1 日 - 8 月 5 日）

• 支撑向量机
  • 推荐博文：SVM《理解SVM的三层境界》
• 图像特征：SIFT, Visual BoW
• 作业：井字棋胜负判断 （允许使用 scikit-learn 等 Package）

第四周：无监督学习（Unsupervised Feature Learning, Manifold Learning） (8 月 7 日 - 8 月 12 日）

• Andrew Ng 论文
• 聚类：K-means, K-means++
• 降维：PCA, ICA, ZCA, LLE, AE
• 作业：客户聚类
• 推荐阅读：pluskid 博客

扩展：

• 经典方法：谱聚类、朴素贝叶斯、EM算法、稀疏编码 Sparse Coding
• 集成学习：Adaboost, Random Forest, gdbt (XGBoost)
• 结构化学习 Structured Learning
• 排序学习 Learning to Rank
• 强化学习 Reinforcement Learning
• 模仿学习 Imitation Learning

深度学习

第六周：神经网络 DNN&CNN (8 月 21 日 - 8 月 26 日)

• 概念：卷积, Pooling, Stride, Padding, Data Augmentation, Learning Rate, Momentum, Softmax, ReLU, BP, SGD, Cross-Entropy Loss
• 网络：LeNet, AlexNet, VGGnet, GoogLeNet, ResNet
• 框架：Keras
• 作业：mnist 数字序列识别

第七周：神经网络提升 (8 月 28 日 - 9 月 2 日）

• 内容
  • 神经网络的训练
  • 物体检测与分割
  • 卷积神经网络的可视化与理解
  • 训练卷机神经网络的工程技巧
• 论文阅读：Deep Learning 推荐阅读论文（余宙）
• Kaggle 课堂项目：SVHN 单数字识别

第八周：递归神经网络（9 月 4 日 - 9 月 8 日）

• 网络：RNN, LSTM
• 作业：Image Captioning，使用框架实现

扩展：

• 经典应用论文：Deep Learning 推荐阅读论文（余宙）
• 生成对抗网络：GAN, CGAN, DualGAN, CircleGAN

毕业名单

• Exceptional Performance
  • 研究生：方振影、李敬、周剑
  • 本科15：罗同桉、章天浩、连以宁、杨炳彦
• Outstanding Performance
  • 研究生：宋怡君、张鑫、王贵军、朱静洁、徐兴歆、宫晓伟、黄菲
  • 本科15：叶家豪、于俊泽、方楠、唐柳、王鹏潇、沈亦韬、盛雷
  • 本科16：曹骁威
• Good Performance
  • 本科15：胡启韬、侯自愿、王子奇、王振哲、荆星阳
  • 本科16：朱捷咏、赵文波、石平河

主要人员

教师	-	-	-	-	-
俞俊	高飞	谭敏	余宙	朱素果	匡振中
助教
罗宇矗	钱哲琦	朱朝阳	项晨钞	施圣洁	张海超
孟宣彤	郑光剑	吴炜晨

介绍

• 面向对象：准研一学生 + 大一、大二本科生
• 场地：杭电东校区
• 时间：7月17号-9月15号 （工作日：8:00-17:30）
• 内容
  • 机器学习／深度学习 + 计算机视觉应用
  • 课题／项目：选择部分学生，参与老师的研究课题／项目
• 形式
  • 每周
    • 老师指定学习内容，并进行部分讲解
    • 学生自学为主，鼓励自由讨论
    • 定期开会讨论
    • 提交技术报告（算法思想、编程实现、实验结果及分析）
  • 暑期结束
    • 提交大报告、项目总结
    • 选择部分学生，在 2017-18 学年持续参与老师课题
• 讨论方式
  • 线下：东区和老师、研究生学长交流
  • 线上：Twist 为主，QQ 群为辅
• 高强度、严要求、安全第一
• 关于作业
  • 每周一会对上周的作业进行讲解
    • 讲解幻灯片和相关资料会上传到 Github
  • 每周三会发布一份上周作业的标准答案
    • 标准答案会发布到 Twist 上